AI-এর বাণিজ্যিক ভূমিকা আরও বিশ্লেষণধর্মী হয়ে উঠছে
IEEE Spectrum-এ প্রকাশিত একটি প্রোফাইল OpenAI ইঞ্জিনিয়ার Sarang Gupta এবং কোম্পানিগুলোকে ক্রেতা আকর্ষণ করতে ও বিক্রয় উন্নত করতে সহায়তা করার উদ্দেশ্যে তৈরি AI টুলস নিয়ে তাঁর কাজকে আলোচনায় এনেছে। প্রদত্ত মূল লেখার ভিত্তিতে, Gupta IEEE-র একজন সিনিয়র সদস্য এবং সান ফ্রান্সিসকোতে OpenAI-র ডেটা সায়েন্স স্টাফে কাজ করেন। প্রোফাইলটি তাঁর অবদানকে মার্কেটিং টিমগুলোর কৌশলগত সিদ্ধান্ত উন্নত করার সঙ্গে যুক্ত করেছে।
এই জোর দেওয়াটা লক্ষণীয়। ব্যবসায় জেনারেটিভ AI নিয়ে জনপরিসরের আলোচনার বড় অংশই কপি লেখা, ছবি তৈরি করা বা কাস্টমার সার্ভিস দ্রুততর করার দিকে কেন্দ্রীভূত হয়েছে। প্রদত্ত বিবরণটি তুলনামূলকভাবে ভিন্ন একটি বাণিজ্যিক ব্যবহারের দিকে ইঙ্গিত করে: মার্কেটিং সংস্থার ভেতরে সিদ্ধান্ত গ্রহণে সহায়তা করতে AI ব্যবহার করা।
এটা কেন গুরুত্বপূর্ণ
মার্কেটিং এমন একটি ব্যবসায়িক কাজ, যেখানে বিপুল পরিমাণ ডেটা থাকে, আর সেটিকে সুনির্দিষ্টভাবে অপ্টিমাইজ করাও সবচেয়ে কঠিনগুলোর একটি। কোন চ্যানেলকে অগ্রাধিকার দিতে হবে, কোন বার্তা সবচেয়ে বেশি সাড়া পায়, কোন সম্ভাব্য ক্রেতা রূপান্তরিত হওয়ার সম্ভাবনা বেশি, এবং কোথায় খরচের প্রভাব সবচেয়ে বেশি হবে, তা দলগুলোকে নিয়মিত ঠিক করতে হয়। এই সিদ্ধান্তগুলোকে কাঠামোবদ্ধ করতে সহায়তা করতে পারে এমন AI সিস্টেম, শুধু প্রচারমূলক উপকরণ খসড়া করার টুলের চেয়ে বেশি মূল্যবান হতে পারে।
প্রদত্ত লেখাটি সংক্ষিপ্ত, তাই Gupta-র সিস্টেমের কারিগরি বিবরণ সেখানে নেই। কিন্তু এটি একটি মূল বার্তাকে সমর্থন করে: লক্ষ্য কৌশলগত সিদ্ধান্ত উন্নত করা, শুধু আউটপুটের পরিমাণ বাড়ানো নয়। এটি এন্টারপ্রাইজ AI-তে কৌতূহল-নির্ভর নতুনত্ব থেকে কার্যকরী বিচার-সহায়তার দিকে একটি বৃহত্তর রূপান্তরকে প্রতিফলিত করে।
সিদ্ধান্ত-সহায়তার ব্যবহারিক আকর্ষণ
যেসব কোম্পানি AI সিস্টেম কিনছে, তাদের কাছে সিদ্ধান্ত-সহায়তা অস্পষ্ট রূপান্তরের প্রতিশ্রুতির চেয়ে বেশি সহজে যুক্তিযুক্ত। কোনো টুল যদি একটি দলকে আরও ভালোভাবে সম্পদ বণ্টন করতে, সম্ভাব্য ক্রেতা আরও নির্ভুলভাবে শনাক্ত করতে, বা বিক্রয় দক্ষতা বাড়াতে সাহায্য করতে পারে, তাহলে ব্যবসায়িক যুক্তি অনেক বেশি স্পষ্ট হয়ে ওঠে। বিশেষ করে মার্কেটিং সংস্থাগুলোকে নিয়মিত পরিমাপযোগ্য ফলাফল দেখানোর চাপের মধ্যে থাকতে হয়, যা AI-সহায়িত অ্যানালিটিক্সের জন্য তাদের স্বাভাবিক প্রাথমিক গ্রাহক করে তোলে।
এটাও ব্যাখ্যা করে কেন ডেটা সায়েন্স-ভিত্তিক পটভূমির একজন ইঞ্জিনিয়ার এই ধরনের কাজের কেন্দ্রে থাকবেন। সমস্যা শুধু ভাষা তৈরি করা নয়। এটি সংকেত বের করা, ধরণ ব্যাখ্যা করা, এবং এমনভাবে সুপারিশ উপস্থাপন করা যাতে দলগুলো তা সত্যিই ব্যবহার করতে পারে।
AI গ্রহণ সম্পর্কে প্রোফাইলটি কী ইঙ্গিত দেয়
ব্যক্তিগত ইঞ্জিনিয়ারদের প্রোফাইল সাধারণত ব্রেকিং নিউজ নয়, কিন্তু কোথায় প্রতিষ্ঠানগুলো মূল্য জমা হতে দেখছে তা তারা দেখাতে পারে। এই ক্ষেত্রে, মার্কেটিং কৌশলের ওপর জোর দেওয়া ইঙ্গিত দেয় যে প্রয়োগমূলক AI একক কোনো কাজ প্রতিস্থাপনের বদলে বাণিজ্যিক সিস্টেমকে শুরু থেকে শেষ পর্যন্ত উন্নত করার দিকে এগোচ্ছে।
এই প্রবণতা চলতে থাকলে, এন্টারপ্রাইজ AI প্রতিযোগিতার পরবর্তী ঢেউ সম্ভবত কে সবচেয়ে সাবলীল লেখা তৈরি করে তার চেয়ে, সংকীর্ণভাবে সংজ্ঞায়িত ক্ষেত্রে কার টুলগুলো ভালো ব্যবসায়িক সিদ্ধান্ত তৈরি করে, সেদিকেই বেশি কেন্দ্রীভূত হবে। Gupta প্রোফাইল সেই পরিবর্তনের একটি ছোট জানালা, তবে তা কার্যকর। এটি AI গ্রহণের আরও বাস্তবধর্মী এক পর্যায়ের দিকে ইঙ্গিত করে, যেখানে প্রশ্ন হলো মডেল আউটপুট তৈরি করতে পারে কি না, বরং সেটি কি একটি কোম্পানিকে আরও কার্যকরভাবে নির্বাচন করতে সাহায্য করতে পারে।
এই নিবন্ধটি IEEE Spectrum-এর প্রতিবেদনের ভিত্তিতে লেখা। মূল নিবন্ধটি পড়ুন.
Originally published on spectrum.ieee.org